Highly Accurate Dichotomous Image Segmentation¶
论文地址¶
https://arxiv.org/abs/2203.03041
摘要¶
Cite
我们提出了一项新任务的系统研究，称为三维图像分割（DIS），该任务旨在从自然图像中分割出高精度的对象。为此，我们收集了第一个称为DIS5K的大规模数据集， 其中包含5470张高分辨率（例如，2K、4K或更大）图像，覆盖了各种背景中的伪装、突出或模拟对象。所有图像都用极其精细的标签标记。此外， 我们引入了一个简单的中间监督基线（IS-Net），该基线使用特征级和掩码级指导进行DIS模型训练。如果没有技巧，IS Net在拟议的DIS5K上的表现优于各种前沿基线， 使其成为一个通用的自我学习监督网络，有助于促进DIS的未来研究。此外，我们设计了一种称为人为校正努力（HCE）的新度量，该度量近似于校正假阳性和假阴性所需的鼠标单击操作的数量。 HCE用于测量模型和实际应用程序之间的差距，因此可以补充现有的度量。最后，我们进行了最大规模的基准测试，评估了16个有代表性的分割模型，提供了关于对象复杂性的更深入的讨论。 并展示了几个潜在的应用（例如，背景移除、艺术设计、3D重建）。希望这些努力能够为学术界和工业界开辟有希望的方向。我们的DIS5K数据集、 IS Net基线、HCE指标和完整的基准将在以下网站公开：https://xuebinqin.github.io/dis/index.html
高精度图像分割
介绍¶
主要贡献是开放了一个高精度的分割数据集，分割部分是用的\(U^2-Net\)，因为它捕获精细结构的能力很强。 还提出了衣一个新的度量指标，没有细看。主要贡献还是数据集
总结¶
Cite
我们从应用和研究角度系统地研究了高精度的断层图像分割（DIS）任务。为了证明该任务是可解决的，我们构建了一个新的具有挑战性的DIS5K数据集， 引入了一个简单有效的中间监督网络，称为is Net，以实时获得高质量的分割结果，并通过考虑应用程序的形状复杂性，设计了一种新的人类矫正努力（HCE）度量。 通过广泛的消融研究和全面的基准测试，我们发现我们新制定的DIS任务是可以解决的。更广泛的影响。这项工作将极大地促进分割技术在学术界和工业界的应用， 并在此邀请相关领域的所有研究人员合作，改善整个生态系统